[发明专利]一种对象识别方法、装置、设备及存储介质

说明书

本申请公开了一种对象识别方法、装置、设备及存储介质，包括：获取针对于第一对象的点云数据，并将该点云数据输入至预先完成训练的神经网络模型，以便由该神经网络模型输出得到该第一对象对应的第一特征向量，该神经网络模型预先基于样本点云数据以及样本对象的样本特征向量完成训练；当第一特征向量与第二对象对应的第二特征向量相匹配时，确定第一对象与第二对象为同一对象。由此可见，在对象识别过程中，利用神经网络模型可以快速得到第一对象的特征向量，从而可以根据该特征向量快速完成对象识别，对象识别的效率可以得到有效提高。

技术领域

本申请涉及数据处理技术领域，特别是涉及一种对象识别方法、装置、设备及存储介质。

背景技术

实际应用中的众多场景中，经常需要识别出该场景下的某个特定对象。比如，在身份验证场景中，终端(如手机等)可以通过识别人脸来确定当前使用终端的用户是否属于合法用户。

目前，利用3D识别技术可以进行对象识别，具体可以是通过对该对象进行三维重建，从而根据得到的三维重建结果识别对象。但是，三维重建过程耗时较长，这使得整个对象识别的效率较低。

发明内容

本申请实施例提供了一种对象识别方法、装置、设备及存储介质，以提高对象识别的效率。

第一方面，本申请实施例提供了一种对象识别方法，所述方法包括：

获取针对于第一对象的点云数据；

将所述第一对象的点云数据输入至预先完成训练的神经网络模型，以便所述神经网络模型输出得到所述第一对象对应的第一特征向量，所述神经网络模型预先基于样本点云数据以及样本对象的样本特征向量完成训练；

当所述第一特征向量与所述第二对象对应的第二特征向量相匹配时，确定所述第一对象与所述第二对象为同一对象。

在一些可能的实施方式中，当所述第一特征向量与所述第二对象对应的第二特征向量相匹配时，确定所述第一对象与所述第二对象为同一对象，包括：

计算所述第一特征向量与所述第二特征向量之间的余弦距离；

当所述余弦距离大于预设阈值时，确定所述第一对象与所述第二对象为同一对象。

在一些可能的实施方式中，所述获取第一对象的点云数据，包括：

获取针对于所述第一对象的彩色图像；

对所述彩色图像进行图像分割，确定所述彩色图像上所述第一对象的第一图像区域；

根据彩色图像与深度图像之间的对应关系，确定所述深度图像上与所述第一图像区域对应的第二图像区域；

根据所述第二图像区域中各个像素点的坐标，计算得到所述第一对象的点云数据。

在一些可能的实施方式中，所述第一对象的点云数据预先经过去噪和/或补洞处理。

在一些可能的实施方式中，所述第一对象的点云数据预先经过标准化处理，所述标准化处理包括对象姿态矫正、点云数据的下采样以及点云数据的坐标归一化中的任意一种或多种处理。

在一些可能的实施方式中，所述第二对象的第二特征向量是由所述神经网络模型根据所述第二对象的点云数据输出得到的，或，所述第二对象的第二特征向量为预设数据库中的特征向量。

第二方面，本申请实施例还提供了一种对象识别装置，所述装置包括：

获取模块，用于获取针对于第一对象的点云数据；

输入模块，用于将所述第一对象的点云数据输入至预先完成训练的神经网络模型，以便所述神经网络模型输出得到所述第一对象对应的第一特征向量，所述神经网络模型预先基于样本点云数据以及样本对象的样本特征向量完成训练；